它学会打赢。
进攻才能看出一个大脑是不是真的。我们的大脑从屏幕和引擎读取战场，打射击游戏和坦克游戏，从自己的失败中变强，并把只用电锯或不许开火这样的命令当作硬边界。
- 你来开
- 它学你的动作
- 放手
- 大脑自己开
横向对比：逐个游戏的进攻结果
| 游戏 | 我们的大脑 | 对我们不利的 |
|---|---|---|
| DOOM E1M1，Hurt Me Plenty 难度 | 52 秒到达出口开关，击杀 4 | Nightmare 难度：8 次都没通关 |
| DOOM——只用规则、不学习 | 17.9，随机为 3.2 | 叠加记忆：持平 |
| DOOM E1M5——学习 | 路线进度翻倍有余，0.19 → 0.43 | E1M5 还没找到出口；飞行员未变，上升期间线路有 51 次人工修复——主要由我们构建 |
| Atari BattleZone（坦克） | 27,000，随机为 3,000 | 一条闪避规则被否决 |
| BattleZone——从另一款坦克游戏移入的大脑 | 33,575，该游戏自带规则为 28,600；修剪后 48,588 对 29,275 | 移入的大脑由我们手写（+17% 是迁移，不是学习）；第二次导出只打平 |
| 3D 坦克竞技场（BZFlag） | 每分钟净击杀 −1.17 → −0.26，从手写到演化 | 仍然输给 BZFlag 自带的 AI；v2 是我们写的，v3、v4 是循环的晋升 |
| Robot Tank（Atari） | 摧毁 5.67 辆坦克，随机为 2.33 | 手写规则，不是学习 |
| GoldenEye 007，大坝关 | 发明了 2 个胜过默认的战术 | 72 次尝试无一存活 |
瞄准靠计数，不靠自夸：在坦克游戏中，眼睛的瞄准误差第 95 百分位为 0.55°。
从没见过这个游戏，到一夜之间追到自带 AI 的身后
- 9 月 26 日 18:11——第一场比赛。在那天之前，我们的规则驾驶员从没见过这个游戏。只有手写的起步规则；到第二个手写版本时，对阵游戏自带 AI 每分钟净击杀 −1.17（8 场比赛）。
- 23:39——开启演化。每一次死亡都被解释；循环每次从工程师写好的选项中挑出一处改变，在实战比赛中正面对比测试。
- 00:27——它证明的第一个改变。只有当炮弹真的会落在 6 米之内才闪避；明显胜出（z 3.08）。
- 01:14——第二条。开火后不再急转虚晃；明显胜出（z 2.68）。一共试了 34 个改变，保留 2 个，否决 8 个。
- 到 01:14：每分钟净击杀从手写版的 −1.17 提升到演化版的 −0.26——在与挑选改变无关的另一批比赛中，这是明显的提升（z 2.93）。它的击杀仍少于游戏自带 AI（每分钟 1.28 对 2.10）；死亡接近（1.53 对 1.73），但这个差距并不显著。还没追上。
为什么模型追不上：它们的权重是冻结的
Claude、DeepSeek 和 Llama 每一场比赛用的都是开局时的同一套权重。神经模型不改动权重就无法演化：要在这辆坦克上变强，就得有人收集比赛、在数据中心重新训练、再发布新版本——而新版本还可能忘掉旧版本会的东西。比赛与比赛之间，它什么也学不到。
我们的驾驶员在比赛之间改变，一个权重都没动——因为它根本没有权重。根据自己的死亡，循环挑出两处改变，正面对比证明后保留下来。区别就在这里：一个要被重建才能学习的模型，对一个在比赛间隙学习的驾驶员。
现在，你还愿意让 Claude 开你的坦克吗？
一场十分钟的比赛只有 58 个决策。七场合计击杀 3 次、死亡 47 次。在有人重新训练它之前，一直冻结。或者，一个在同样十分钟里做了 60,140 个决策、那天之前从没见过这个游戏、当晚就把对阵游戏自带 AI 的成绩从 −1.17 提升到 −0.26 的规则驾驶员——一个权重都没有。
神经模型仍有它的位置——看和读。它不负责指挥。权限之内的命令，Peel 执行；权限之外的，它拒绝并告诉你原因。
数据来自竞技场的比赛录像。如实说明：每个模型 7 场比赛；Claude 通过命令行工具运行，所以 7.6 秒里有一部分是管道开销；在击杀上，游戏自带 AI 仍然胜过我们的驾驶员；演化后的版本没有和语言模型交过手——打赢它们的是手写版本。